基于大数据挖掘的电信增值服务研究与实现

摘要

随着互联网、移动互联网与物联网的高速发展以及IT技术的快速进步，智能移动终端被广泛使用，全球数据在爆炸性增长，大数据的时代已经来临了。大数据中隐藏着潜在的数据价值，能够从中获取知识和经验，能解决以前难以涉及或解决的相关领域问题并且能够提高生产力、减少经营成本。在大数据时代，电信运营商拥有丰富的数据资源，为了适应新的竞争形势，充分获取并利用相关数据信息，发挥电信行业较其他行业所不具备的独特的核心竞争优势，用大数据挖掘方法发现潜在客户并展开针对性提供电信增值服务，成为运营商重点关注的市场拓展方法之一。　　随着移动通信技术的快速发展，智能手机的日益普及，移动用户的不断增加，移动互联网快速增长，传统的单一的语音业务早已不能满足电信行业的需求，电信增值服务市场需求变大，电信消费市场开始走向成熟。电信消费市场的逐渐成熟要求运营商提供的运营产品应符合不同消费群的个性化需求，使得传统的电信增值服务行业已很难适应新形势的发展要求。　　基于上述背景，本文对大数据的应用现状，尤其是电信运营商在大数据领域的现状和未来趋势进行总结分析，了解流行的大数据相关技术。并对目前电信运营商的增值服务领域的现状进行分析，以及深入研究大数据挖掘相关理论的基础上，提出了基于大数据挖掘的电信客户细分模型，以电信增值服务领域多年积累的大数据为研究对象，根据需求驱动在数据挖掘和知识发现基础上研究如何建立客户细分，防止客户流失，然后针对不同客户地提供个性化的商业服务和增值业务，创造新的商业价值。　　根据电信客户细分的特点，本文采用最新的CFSFDP算法构建电信客户细分模型，虽然 CFSFDP密度聚类算法相对于传统密度聚类算法而言更容易达到最优，拥有更好的全局性，但它存在无法准确选择截断距离，需要人工确定聚类中心等缺陷。本文对CFSFDP算法进行改进，并对优化后的CFSFDP聚类算法基于MapReduce框架进行并行优化，以此来改善电信大数据挖掘下的电信客户细分模型。并且为了验证改进后算法的有效性，通过实验数据对优化前后的算法进行仿真对比，相较于原来的 CFSFDP算法，改进后的算法效率得到一定提升，并且基于MapReduce优化后的并行算法能够有很好的扩展性。　　本文提出的基于大数据挖掘的电信客户细分模型应用到广东某电信运营商的增值服务管理中，并将用于电信客户细分的 CFSFDP算法及其优化算法应用在该企业中的增值服务云平台，通过实际应用来验证本文提出的电信客户细分模型的有效性。

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 主要研究内容及研究范围

1.4 论文组织架构

第二章 相关理论与技术

2.1 大数据相关理论

2.2 数据挖掘相关理论

2.3 大数据平台

2.4 本章小节

第三章 构建电信客户细分模型

3.1 电信客户细分概述

3.2 CRISP-DM数据挖掘模型

3.3 构建基于CFSFDP算法的电信客户细分模型

3.4 本章小节

第四章 CFSFDP算法的改进及其并行优化

4.1 CFSFDP聚类算法

4.2 改进的CFSFDP聚类算法

4.3 基于MapReduce并行优化的CFSFDP-PLUS算法

4.4 本章小节

第五章 电信客户细分在电信增值服务云平台中的应用

5.1 电信增值服务云平台概述

5.2电信增值服务云平台的内容

5.3基于云平台的电信客户细分应用

5.4本章小节

结论与展望

参考文献

攻读学位期间发表的论文

声明

致谢